运动目标检测指检测并提取视频中运动目标,是处理视频监控问题的关键。传统的运动目标检测算法难以适应背景中存在的动态变化,如光照、树叶随风而动等,导致提取的前景目标存在大量噪声。而视觉背景提取器(Visual Background Extractor,ViBe)算法采用样本模型能够快速准确的提取前景目标,但是存在提取目标不完整的问题。此外,提取出的前景图像如行人等,涉及到不同视角下图像之间匹配的情况,这就引出了行人重识别的研究,即不同视角下行人匹配问题。根据ViBe算法存在提取目标不完整的问题,本文利用ViBe算法样本模型构建背景模型,结合背景差分法,改进了 ViBe算法存在的提取前景目标不完整的问题;在提取运动目标之后,采用Triplet-ResNet神经网络对检测提取的行人图片进行特征提取和训练,完成行人图片之间的匹配,以识别不同视角下同一行人。主要研究内容包括:一、针对ViBe算法提取运动目标不完整的问题,对ViBe算法进行改进。利用ViBe样本模型构建背景模型,将背景差分法提取的前景与ViBe算法提取的前景相融合得到前景目标,提高了提取运动目标的完整性。二、由于行人重识别训练集样本较少,导致网络训练过程中出现过拟合,降低识别准确率。本文利用改进的ViBe算法提取行人图像,并将其扩增进训练集,再将dropout层增加进残差网络的瓶颈结构中,降低过拟合带来的影响。实验结果表明增加dropout层可以提高残差网络在行人重识别中的准确率。三、采用Triplet-ResNet网络进行行人重识别,将增加dropout层的残差网络作为骨架网络,联合SoftMax损失和Triplet损失训练网络模型,有效地提取行人特征。实验结果表明,相较于传统的行人重识别算法,采用Triplet-ResNet网络进行行人重识别的准确率更高。